View
4
Download
0
Category
Preview:
Citation preview
ESTUDIO IN SÍLICO DE ANÁLOGOS ESTRUCTURALES DE ANESTÉSICOS LOCALES EN EL CANAL DE SODIO NAV1.7 UNA DIANA FARMACOLÓGICA
SOBRE LA PULPA DENTAL INFLAMADA
ISABELLA MANZUR VILLALOBOS M.Sc. (c) en Farmacología
DR. ANTISTIO ANIBAL ALVIZ AMADOR M.Sc. NEYDER CONTRERAS PUENTES
DRA. MARLENE DURAN LENGUA
FACULTAD DE MEDICINA – UNIVERSIDAD DE CARTAGENA MAESTRÍA EN FARMACOLOGÍA
GRUPO INTERDISCIPLINARIO DE INVESTIGACIONES Y TRATAMIENTOS ODONTOLÓGICOS UNIVERSIDAD DE CARTAGENA GITOUC
GRUPO DE INVESTIGACIÓN EN FARMACOLOGÍA Y TERAPÉUTICA. GRUPO DE INVESTIGACION FARMABAC
CARTAGENA DE INDIAS 2021
ESTUDIO IN SÍLICO DE ANÁLOGOS ESTRUCTURALES DE ANESTÉSICOS LOCALES EN EL CANAL DE SODIO NAV1.7 UNA DIANA FARMACOLÓGICA
SOBRE LA PULPA DENTAL INFLAMADA
ISABELLA MANZUR VILLALOBOS M.Sc. (c) en Farmacología
TUTOR
DR. ANTISTIO ANIBAL ALVIZ AMADOR COTUTORES
M.Sc. NEYDER CONTRERAS PUENTES DRA. MARLENE DURAN LENGUA
FACULTAD DE MEDICINA – UNIVERSIDAD DE CARTAGENA GRUPO INTERDISCIPLINARIO DE INVESTIGACIONES Y TRATAMIENTOS
ODONTOLÓGICOS UNIVERSIDAD DE CARTAGENA GITOUC GRUPO DE INVESTIGACIÓN EN FARMACOLOGÍA Y TERAPÉUTICA.
GRUPO DE INVESTIGACION FARMABAC CARTAGENA DE INDIAS 2021
DEDICATORIA
A mis padres y hermanos, por ser nuestro motivo y motor de vida.
A mi tía Martha por apoyarme en este sendero y por buscar lo mejor para mi.
A toda la comunidad académica y científica para que esto sea un granito de arena
que se adicione al gran mundo de la odontología y la farmacología.
AGRADECIMIENTOS
A Dios, la Virgen María y el Espíritu Santo por haberme acompañado e iluminado
durante toda la realización de este proyecto y sobretodo en el recorrido de mis
estudios.
Al Dr. Antistio Alviz y Neyder Contreras, no solo por enseñarme el hermoso mundo
de la farmacología computacional sino también por brindarme siempre todas las
herramientas, conocimientos y aptitudes necesarias para realizar y culminar este
proyecto, además de dedicarme el tiempo que fuera requerido para generar un
proyecto bien estructurado.
.
3
CONTENIDO
LISTA DE TABLAS ................................................................................................. 5
LISTA DE FIGURAS ............................................................................................... 6
RESUMEN ............................................................................................................... 8
ABSTRACT ........................................................................................................... 10
1. INTRODUCCIÓN ............................................................................................ 12
2. OBJETIVOS ................................................................................................... 15
2.1. OBJETIVO GENERAL ............................................................................ 15
2.2. OBJETIVOS ESPECÍFICOS ................................................................... 15
3. MARCO TEÓRICO ......................................................................................... 16
4. METODOLOGÍA ............................................................................................. 27
4.1. SELECCIÓN Y PREPARACIÓN DE LIGANDOS ................................... 27
4.2. SELECCIÓN Y PREPARACIÓN DEL RECEPTOR ............................... 27
4.3. IDENTIFICACIÓN DE SITIOS DE UNIÓN .............................................. 28
4.4. VALIDACIÓN DE PROTOCOLOS DE ACOPLAMIENTO MOLECULAR 28
4.5. ACOPLAMIENTO MOLECULAR ........................................................... 28
4
4.6. DINÁMICA MOLECULAR ....................................................................... 29
4.7. PREDICCIÓN DE PROPIEDADES FARMACOCINÉTICAS Y TOXICOLÓGICAS Y SIMILITUD DE DROGAS ................................................ 31
5. RESULTADOS ............................................................................................... 32
5.1. SELECCIÓN Y PREPARACIÓN DE LIGANDOS ................................... 32
5.2. SELECCIÓN Y PREPARACIÓN DEL RECEPTOR ............................... 34
5.3. IDENTIFICACIÓN DE SITIOS DE UNIÓN .............................................. 36
5.4. VALIDACIÓN DE PROTOCOLOS DE ACOPLAMIENTO MOLECULAR 37
5.5. ACOPLAMIENTO MOLECULAR DEL CRIBADO VIRTUAL ................. 39
5.6. DINÁMICA MOLECULAR ....................................................................... 43
5.7. PREDICCIÓN DE PROPIEDADES FARMACOCINÉTICAS Y TOXICOLÓGICAS Y SIMILITUD DE DROGAS ................................................ 47
6. DISCUSIÓN .................................................................................................... 49
7. CONCLUSIONES ........................................................................................... 55
8. RECOMENDACIONES .................................................................................. 56
9. BIBLIOGRÁFÍA .............................................................................................. 57
10. ANEXOS ........................................................................................................ 65
5
LISTA DE TABLAS
Tabla 1. Resumen de simulaciones de DM desarrolladas en el estudio. .............. 30
Tabla 2. Predicción de bolsillos de unión en canal Nav1.7 por servidores en línea de
PrankWeb, CASTp y PockDrug. Residuos de interacción implicados en el sitio
de unión de los anestésicos locales al canal Nav1.7. * Los residuos de
aminoácidos resaltados en negrilla corresponden a los residuos vinculados en
el sitio activo de los anestésicos locales. ....................................................... 36
Tabla 3. Interacción entre los residuos de aminoácidos en el canal Nav1.7 y ligandos
(flecainida, lidocaína, dibucaína, 22578003 y 92367865). ............................. 40
Tabla 4. Propiedades ADME y toxicidad oral aguda de dibucaína, 22578003 y
92367865 realizadas por servidores de predicción en línea SwissADME,
ADMETSAR y GUSAR. .................................................................................. 47
6
LISTA DE FIGURAS
Figura 1. Estructuras químicas de anestésicos locales tipo amino-amida. ........... 17
Figura 2. Estructuras químicas de anestésicos locales tipo amino-éster. ............. 18
Figura 3. Estructura de canal de sodio dependiente de voltaje Nav1.7. (A) Vista
frontal. (B) Vista superior, donde se observan las cadenas A, B, C y D. ....... 19
Figura 4. Fibras A Delta y C involucradas en las vías de transmisión de dolor, que
inicia desde el lugar del estímulo en la pulpa dental hasta la medula espinal a
través de la raíz dorsal de la médula espinal. ................................................ 21
Figura 5. Artículos científicos de canales de sodio dependientes de voltaje Nav1.6,
Nav1.7, Nav1.8, Nav1.9 asociados a pulpa dental. ......................................... 22
Figura 6. 3267 ligandos seleccionados para cribado virtual: flecainida, 10
anestésicos locales y 3256 análogos estructurales. ...................................... 32
Figura 7. Criterios de selección para análogos estructurales de anestésicos locales.
Los análogos estructurales de Ropivacaína y Levobupicaína se encuentran
incluidos dentro de Bupivacaína. .................................................................... 33
Figura 8. Asociación de anestésicos locales tipo amida al receptor del canal de sodio
a través de la base de datos PubChem.*SCN9A: Canal Nav1.7. SCN4A: Canal
Nav1.4 SCN3A: Canal Nav1.3. SCN5A: Canal Nav1.5. SCN2A: Canal Nav1.2.
SCN1A: Canal Nav1.1. ................................................................................... 34
Figura 9. Superposición del canal Nav1.7 humano (PDB 5EK0) y nuevo modelo por
homología. (A). La corrección del espacio entre Tyr594 y Pro595 se corrigió con
Phe590, Val591, Ser592 en la cadena C. (B). Corrección del espacio en la
cadena D entre Tyr836 y Pro837 con Phe835, Val836 y Ser837. .................. 35
7
Figura 10. Alineación de las secuencias del canal Nav1.7 humano (PDB 5EK0) y el
canal NavAb (PDB 6MVX) utilizando secuencias de PROTEIN BLAST Align.
Consulta: canal NavAb. Asunto: canal Nav1.7 humano. ................................. 36
Figura 11. A. Alineación de flecainida acoplada nuevamente en el canal NavAb y la
flecainida co-cristalizada en el canal NavAb (código PDB: 6MVX). RMSD: 1.157
Å. B. Alineación de canal NavAb (código PDB: 6MVX) y canal Nav1.7, con un
RMSD de 1.560 Å. .......................................................................................... 38
Figura 12. Alineación de Nav1.7-flecainida co-cristalizada con complejo de
acoplamiento Nav1.7-flecainida. Los residuos encerrados en un círculo rojo
(Thr186 (A), Leu187 (A), Thr431 (B), Thr676 (C), Leu677 (C)) corresponden a
los mismos residuos de interacción de ambos complejos. ............................. 39
Figura 13. Interacciones de residuos entre anestésicos locales y análogos frente a
la proteína Nav.1.7. (A). 92367865. (B). 22578003. ....................................... 41
Figura 14. Interacciones de residuos entre anestésicos locales y análogos frente a
la proteína Nav.1.7. (A). Flecainída. (B). Dibucaína. ...................................... 42
Figura 15. Interacciones de residuos en complejo lidocaína frente a la proteína
Nav1.7. ............................................................................................................ 42
Figura 16. Dinámica molecular del canal Nav1.7 nativo, flecainida, lidocaína,
dibucaína, 92367865 y 22578003. (A) RMSD. (B) RMSF. ............................. 45
Figura 17. Dinámica molecular del canal Nav1.7 nativo, flecainida, lidocaína,
dibucaína, 92367865 y 22578003. (A) SASA. (B) Rg análisis de todas las
trayectorias. .................................................................................................... 46
8
RESUMEN
Las vías del dolor se transmiten a través de las fibras sensitivas A delta y C, donde
se encuentran los canales Nav1s. Los subtipos Nav1.7, 1.8 y 1.9 se expresan y se
asocian con la pulpa dental inflamada, pero existen pocos estudios computacionales
que muestren su interacción con los anestésicos locales. El objetivo de este estudio
fue evaluar el comportamiento de los anestésicos locales y los análogos
estructurales frente al canal Nav1.7 mediante el acoplamiento y la dinámica
molecular, y predecir los parámetros farmacocinéticos y toxicológicos de los
ligandos más afines. Se seleccionaron 3267 ligandos para cribado virtual: 1 ligando
de control (Flecainida), 10 anestésicos locales tipo amida, 3256 análogos
estructurales con canal Nav1.7 humano (PDB 5EK0). Se realizó un modelo de
homología del canal Nav1.7 humano para correcciones de espacios en la secuencia
de aminoácidos. La validación del protocolo molecular se realizó con el complejo
NavAb-Flecainida (PDB 6MVX). El acoplamiento molecular se desarrolló a través de
AutoDock Vina utilizando bash scripting para calcular la energía de unión de mayor
afinidad entre ligando-receptor; la simulación de dinámica molecular fue
desarrollada a través del software PMEMD de AMBER16 y permitió evaluar el
comportamiento y la estabilidad de complejos con la mejor afinidad. Se realizó una
búsqueda predictiva de las propiedades ADME y toxicidad utilizando SwissADME,
ADMETSAR y GUSAR Toxicology Prediction. En el acoplamiento molecular
92367865 presentó la mejor energía de enlace (-6,4 +0.0 Kcal/mol), seguido por
22578003 con -6.3 + 0.15 Kcal/mol, con interacciones mediante enlaces hidrófobos
comunes con los residuos Met185 (A), Leu187 (A), Leu432 (B) y un solo enlace de
hidrógeno en residuo Thr462 (B). En estudio de dinámica molecular se evidenció
que el ligando 92367865 mostró el mejor comportamiento de estabilidad, movilidad,
accesibilidad al solvente y compactación en los valores de RMSD, RMSF, SASA y
Rg respectivamente, similares al canal Nav1.7 nativo, en comparación con los
complejos de lidocaína, dibucaína, 22578003 y flecainida. En la predicción de
propiedades ADME y toxicidad, ninguna de las moléculas violó las reglas de Lipinski
9
y mostraron una clasificación de toxicidad oral tipo III. En conclusión, 92367865
podría considerarse como un fármaco promisorio como anestésico local en
condiciones inflamatorias al bloquear las vías del dolor a través del canal Nav1.7.
Palabras clave: anestésicos locales, canales de sodio, docking molecular,
simulación de dinámica molecular.
10
ABSTRACT
Pain pathways are transmitted through sensory fibers A delta and C, where the
Nav1s channels meet. Nav1.7, 1.8 and 1.9 subtypes are expressed and associated
with inflamed dental pulp, but there are few computational studies showing its
interaction between local anesthetics. The aim of this study was to evaluate the
behavior of local anesthetics and structural analogues against Nav1.7 channel
through molecular docking and dynamics, and predicting pharmacokinetic and
toxicological parameters for top ligands. 3267 ligands were selected for virtual
screening: 1 control ligand (Flecainide), 10 local anesthetics, 3256 structural analogs
with Nav1.7 (PDB 5EK0). Homology model of Nav1.7 was performed for gap
corrections in the amino acid sequence. Molecular protocol validation was performed
with NavAb-Flecainide complex (PDB 6MVX). Molecular docking was developed
through AutoDock Vina using bash scripting to calculate the highest affinity binding
energy between ligand-receptor. Molecular dynamics simulation was developed
through PMEMD of AMBER16 software, which allowed to evaluated behavior and
stability of complexes with the best affinity. A predictive search of the ADME and
toxicological properties were carried out using SwissADME, ADMETSAR and
GUSAR Toxicology Prediction. On molecular docking 92367865 presented best
binding energy (-6.4+ 0.0 Kcal/mol), followed by 22578003 with -6.3 + 0.15 Kcal/mol,
with common hydrophobic bonds interactions with residues Met185 (A), Leu187 (A),
Leu432 (B) and only one hydrogen bond on residue Thr462 (B). On molecular
dynamics study it was evidenced that 92367865 had the best stability, mobility,
solvent accessibility and compactability behavior on RMSD, RMSF, SASA and Rg
scores respectively, in comparison to lidocaine, flecainide and 22578003 complexes.
In ADME and toxicological properties prediction, none of the molecules had no
violations of Lipinski's rules and oral toxicity class III. In conclusion, 92367865 could
be considered as a promissory drug as local anesthetics under inflammatory
conditions by blocking pain pathways through Nav1.7 channel.
11
Keywords (Mesh Database): Anesthetics, Local; Sodium Channels; Molecular
Docking Simulation; Molecular Dynamics Simulation; Dental Pulp.
12
1. INTRODUCCIÓN
En odontología, el dolor dental está asociado a un proceso infeccioso o inflamatorio
que involucra la pulpa dental; la cual está fuertemente inervada por fibras sensitivas
de tipo A delta y C (1). Estas fibras sensitivas transportan la nocicepción desde la
pulpa dental hasta la médula espinal a través de la raíz dorsal de la médula espinal;
dentro de estas fibras sensitivas encontramos los receptores de los canales de sodio
dependientes de voltaje, que son los principales objetivos farmacológicos de los
anestésicos locales (2), cuyo mecanismo de acción es bloquear las vías del dolor
mediante su clivaje a canales de sodio dependientes de voltaje intracelulares,
inhibiendo la generación o propagación de un potencial de acción y por ende,
bloqueando reversiblemente el impulso nervioso (3).
Estructuralmente, los anestésicos locales se componen de tres estructuras
químicas: un anillo aromático lipófilo, una cadena intermedia con un grupo funcional
y un grupo amino terminal hidrófilo (4), cada uno de sus compuestos le confiere
propiedades diferentes. Los anillos aromáticos determinan la solubilidad en lípidos
de AL (5); la cadena intermedia es responsable de disminuir la toxicidad de la
solución y mantener el equilibrio en la estructura separando el grupo lipofílico del
hidrofílico (4,6). Las AL se clasifican según el grupo funcional de la cadena
intermedia y su unión al amino terminal de la estructura; pueden ser amino-amida o
amino-éster (7). Debido a que el aminoéster de AL tiene una alta toxicidad sistémica
y reacciones alérgicas asociadas, las amidas de tipo AL son las más utilizadas en
la actualidad en odontología (5,6,8,9).
Los canales de sodio dependientes de voltaje, también llamados Nav, son proteínas
transmembrana que se componen de subunidades alfa y beta. La subunidad alfa
está ubicada en el centro, caracterizada por ser el canal formador de poros y es la
principal unidad conductora de sodio dentro de la célula, con 24 segmentos
transmembrana divididos en cuatro dominios repetidos que contienen seis
segmentos respectivamente (S1-S6); en cambio, las subunidades beta son
13
moduladoras de la actividad y de la apertura o cierre del canal, contienen un
pequeño dominio transmembrana compuesto por un grupo N-terminal
extracelularmente y un grupo C-terminal intracelular (10). Los subtipos de canal de
sodio dependientes de voltaje más implicados en las vías de transmisión del dolor
desde la cavidad oral son los subtipos 1.6, 1.7, 1.8, 1.9, que se encuentran en la
raíz dorsal de la médula espinal (11). En odontología se han realizado diversos
estudios experimentales con respecto a la expresión de los diferentes subtipos de
canales de sodio voltaje dependientes asociados a la pulpa dental, los subtipos más
predominantes en fibras sensitivas de la pulpa dental normal son Nav1.6, 1.8, 1.9.
Por otro lado, investigaciones experimentales mostraron que en la pulpa dental
inflamada los subtipos más expresados son Nav1.7, 1.8, 1.9 (12).
Sin embargo, hoy en día la mayor parte de la evidencia científica que evalúan los
anestésicos locales en los canales de sodio dependiente del voltaje son estudios de
casos y controles clínicos o estudios experimentales, pero existe muy poca literatura
sobre estudios moleculares y computacionales que muestren la interacción entre
los anestésicos locales y canales Nav1.7, 1.8 y 1.9 asociados con la vía de
transmisión del dolor, que muestran cómo y dónde se unen los AL o los análogos
de AL a los receptores Nav.
Los estudios in sílico poseen la gran ventaja de poder evaluar cualquier estructura
o complejo de manera más detallada a nivel molecular. Además, a través de ellos
se pueden buscar e identificar nuevas dianas farmacológicas o sitios de clivaje con
múltiples compuestos, el cual en este caso se realiza para evidenciar la interacción
de los anestésicos locales en los Nav1s asociados a pulpa dental inflamada. Se
cree que los AL se unen a los canales de sodio dependientes del voltaje mediante
su clivaje al dominio del poro central según resultados obtenidos por Gamal y col en
2018, donde se observó una fuerte densidad electrónica dependiente de fármacos
en la cavidad del poro central (13).
14
El objetivo de este estudio fue conocer a través del acoplamiento y dinámica
molecular el comportamiento de posibles nuevos anestésicos locales y sus
análogos estructurales sobre el canal de sodio Nav1.7 y evaluar su utilidad
promisoria en procesos inflamatorios y de dolor en odontología, teniendo en cuenta
que el canal de sodio Nav1.7 humano ya está cristalizado y disponible en línea (14).
15
2. OBJETIVOS
2.1. OBJETIVO GENERAL
• Realizar cribado virtual mediante acoplamiento y dinámica molecular de
anestésicos locales y análogos estructurales frente al receptor de canal de sodio
Nav1.7.
2.2. OBJETIVOS ESPECÍFICOS
• Explorar diferentes anestésicos locales usados actualmente en odontología y
análogos estructurales en las bases de datos.
• Identificar el receptor de canal de sodio dependiente de voltaje asociado a
anestésicos locales en las bases de datos.
• Evaluar afinidad de los anestésicos locales y sus análogos estructurales con el
receptor Nav1.7 mediante acoplamiento molecular.
• Analizar mediante simulaciones de dinámica molecular el complejo receptor-
ligando de mayor afinidad.
• Predecir las propiedades farmacocinéticas ADME y toxicológicas para los
ligandos de mayor afinidad.
16
3. MARCO TEÓRICO
ANESTÉSICOS LOCALES
La anestesia local en odontología se ha convertido en una parte fundamental para
muchos procesos donde es necesario suprimir la sensación dolorosa de la
estructuras dentarias o tejidos, tales como extracciones dentarias, colocación de
implantes, regeneración ósea, gingivectomía, excisiones de tejidos patológicos y
tratamientos endodónticos, entre otros (15).
En general los anestésicos locales son vasodilatadores e incrementan el flujo
sanguíneo en el área donde son inyectados, por lo que por sí solos proveen
anestesia de corta duración y poco profunda. Sus características farmacocinéticas
van a depender de ciertos factores como: su unión a proteínas plasmáticas, pH, sitio
de acción, estructura química y sus propiedades físicas. La absorción de los AL
desde el sitio de colocación dependerá en gran parte de su solubilidad lipídica, si se
administra junto con un vasoconstrictor y también de la vascularidad de la zona
donde se administró (8). Es por esto que el vasoconstrictor es adicionado al
anestésico local para incrementar la duración del efecto anestésico, reducir la
absorción y la toxicidad sistémica ya que disminuyen el flujo sanguíneo en la zona
inyectada (16).
La propiedad farmacocinética de unión a proteínas es muy importante puesto que
entre más afinidad de unión tengan hacia las proteínas plasmáticas, mayor cantidad
de anestésico se unirá a las proteínas de los canales de sodio, y de esta manera,
bloquearán por mayor tiempo, aumentando la duración del efecto; por ejemplo, la
lidocaína tiene un 65% de unión a proteínas, en cambio, la bupivacaína tiene una
unión a proteínas de 95%, lo cual explica por qué la bupivacaína posee un mayor
efecto anestésico (5).
Actualmente, existen distintos tipos de anestésicos locales clínicamente disponibles
para su uso odontológico, entre los que encontramos (en orden de mayor a menor
uso): lidocaína, articaína, mepivacaína, prilocaína, bupivacaína, etidocaína,
17
ropivacaína, y levobupicaína (7,17); su clasificación va a depender de la unión de
los compuestos químicos en sus estructuras.
Los AL amino-amidas poseen un metabolismo hepático, principalmente por las
enzimas del citocromo P450, su volumen de distribución es amplio y su metabolismo
lento por lo cual poseen un efecto más prologado y esto también puede generar
mayor posibilidad de toxicidad sistémica (8). El inicio de la acción de estos
compuestos es moderado a rápido y el pH de este grupo, sin ningún tipo de aditivos,
es de 7.6 a 8.1 (9). Los anestésicos locales cuyas estructuras son amino-amidas
encontramos a la articaína, bupivacaína, etidocaína, levobupicaína, lidocaína,
mepivacaína, dibucaína, butinilicaína, prilocaína y ropivacaína (5). (Figura 1)
Figura 1. Estructuras químicas de anestésicos locales tipo amino-amida.
18
A diferencia de los compuestos amino-amidas, los AL con compuestos amino-éster,
poseen una duración del efecto anestésico variable, que puede ser corto, moderado
o rápido, debido a que poseen un volumen de distribución pequeño debido a que
son fácilmente metabolizados a través de las pseudocolinesterasas plasmáticas y
excretados por el riñón rápidamente (8); sin embargo, su inicio de acción es lento y
poseen un pH alcalino entre 8.5 y 8.9; no son compuestos químicamente tan
estables puesto que pueden degradarse con el sol y el calor. Entre los AL que
encontramos dentro de este grupo está la benzocaína, cloroprocaína, cocaína,
procaína, proparacaína y tetracaína (5).
Figura 2. Estructuras químicas de anestésicos locales tipo amino-éster.
Cabe destacar que estos AL amino-éster al metabolizarse se convierten en
metabolitos de acido paraaminobenzoico (PABA), los cuales son altamente
alergénicos y es la principal causa de las reacciones alérgicas generadas por
anestésicos locales amino-éster; razón por la cual hace más de 60 años estos
19
anestésicos no se utilizan en odontología, además de comprobar su alta toxicidad
sistémica (5,6,8,9).
CANALES DE SODIO DEPENDIENTES DE VOLTAJE
Los canales de sodio dependientes de voltaje, son los receptores transmembrana
implicados principalmente en la vía de transducción de los anestésicos locales,
compuesto por cuatro cadenas y seis segmentos transmembrana. (Figura 3) Los
Nav poseen 9 genes distintos (también denominados SCN) y, por ende, existen 9
proteínas distintas de canales de sodio dependientes de voltaje, desde Nav 1.1 hasta
Nav1.9 (18). Éstos Nav se encuentran a distintos sitios a lo largo de todo el
organismo. Se pueden encontrar en el sistema nervioso central, retina, neuronas
sensoriales olfatorias, miocardio, células beta pancreáticas, músculo esquelético
piel, neurona de la raíz dorsal de la médula espinal e incluso en células de cáncer
metastásico (11).
Figura 3. Estructura de canal de sodio dependiente de voltaje Nav1.7. (A) Vista
frontal. (B) Vista superior, donde se observan las cadenas A, B, C y D.
20
Los canales de sodio dependientes de voltaje se pueden encontrar en tres estados:
estado en reposo, estado abierto y estado inactivo. Se sabe que los AL actúan en
el estado en reposo de los canales de sodio dependientes de voltaje mediante el
paso de la fracción no ionizada a través de la membrana lipídica, su unión a
hidrogeniones y su formación en RNH+ generando el clivaje en el poro del receptor
del canal de sodio (13,18).
VÍA DE TRANSMISIÓN DEL DOLOR
En odontología, el dolor dental representa el primer motivo de consulta para
urgencias odontológicas, siendo éste un dolor insoportable y latente. Este dolor
dental se puede asociar a múltiples factores que producen un proceso infeccioso o
inflamatorio que generalmente involucra la pulpa dental, altamente inervada por
fibras sensitivas tipo A delta y C (19). Las fibras sensitivas A delta se caracterizan
por tener una velocidad de conducción media y un diámetro pequeño, se encuentra
mielinizadas y se asocia al dolor agudo. Por el contrario, las fibras sensitivas C
poseen un diámetro aun más pequeño que las A y una velocidad de conducción
mucho más lenta, por lo cual son las encargadas en la transmisión del dolor crónico
(1).
El mecanismo de acción de los anestésicos locales consiste en inhibir la generación
de un potencial de acción a través de su clivaje sobre los canales de sodio
dependientes de voltaje intracelulares, evitando de esta manera que se trasmita la
señal nerviosa y, por ende, el dolor (Figura 4)(3). Jurcakova y col en 2018 realizaron
un estudio donde se evaluaron los diferentes subtipos de canales de sodio
dependientes de voltaje en neuronas de la raíz dorsal de un ratón, donde
evidenciaron que en aquellas neuronas donde existía una transmisión del dolor
positiva los subtipos de Nav1s que mas se expresaban eran los canales Nav1.7, 1.8
y 1.9, en cambio, en aquellas neuronas donde no existía dolor, los subtipos más
expresados eran canales Nav1.1 y 1.6 (20).
21
Figura 4. Fibras A Delta y C involucradas en las vías de transmisión de dolor, que
inicia desde el lugar del estímulo en la pulpa dental hasta la medula espinal a través
de la raíz dorsal de la médula espinal.
Adicionalmente, diversos estudios han evidenciado un aumento en la cantidad de
canales Nav1.7, Nav1.8 y Nav1.9 en respuesta a procesos inflamatorios, provocando
una hiperalgesia inducida por una rápida transmisión del impulso nervioso doloroso
y la iniciación del potencial de acción, por lo cual puede explicar el fracaso
anestésico en odontología para controlar el dolor (19).
Asimismo, investigaciones han encontrado que durante un proceso infeccioso las
quimiocinas y citocinas que se producen en el organismo en respuesta a la
inflamación provocan una potenciación de la excitabilidad de los nociceptores,
generando un menor umbral del potencial de acción por lo cual los anestésicos
22
locales no son suficientes para bloquear el impulso nervioso (15). Además,
evidencia científica demuestra que durante la inflamación se genera una liberación
de neuropéptidos que producen un aumento de las fibras sensitivas C, involucradas
en el dolor, y por ende, aumentando las terminales nerviosas en las estructuras o
tejidos afectados lo cual genera que el estimulo nervioso sea más rápidamente
activado y transmitido (21).
Sin embargo, aunque existen investigaciones de casos clínicos o experimentales
sobre la asociación de canales Nav1.6, Nav1.7, Nav1.8 y Nav1.9 a pulpa dental como
se puede observar en la figura 5, no existen estudios moleculares que demuestren
el clivaje o tipo de interacción que tienen los anestésicos locales en canales de sodio
dependientes de voltaje específicamente expresados en procesos inflamatorios. Al
dilucidar este tipo de unión se podría saber cuál sería la mejor solución anestésica
a utilizar en esta región y así posiblemente se podría disminuir el porcentaje de los
fracasos anestésicos al aumentar la efectividad de la anestesia en los tejidos
pulpares.
Figura 5. Artículos científicos de canales de sodio dependientes de voltaje Nav1.6,
Nav1.7, Nav1.8, Nav1.9 asociados a pulpa dental.
23
ACOPLAMIENTO MOLECULAR
Hoy en día, muchos estudios experimentales e incluso de descubrimiento de
fármacos se están realizando de manera computacional, mediante acoplamiento
molecular, también llamado docking molecular, basado en ligandos o basado en
receptores. El acoplamiento molecular consiste en predecir a nivel estructural y
energético de cada proteína, cómo está dada la unión del ligando a otras proteínas
o receptores, y tipo de interacción intermolecular que se da en el anclaje del ligando
al receptor, las cuales pueden ser enlaces de hidrógeno, fuerzas electrostáticas,
enlaces de Van der Waals o interacciones hidrófobas (22). Por ende, el cribado
virtual mediante acoplamiento molecular logra mostrar que tanta afinidad tienen los
distintos compuestos mediante las interacciones electrostáticas entre ellas, incluso
logra comparar cuál es la proteína con mejor afinidad a la macromolécula y en que
sitio se da esa unión (23).
Por lo tanto, el rol del acoplamiento molecular y el cribado virtual es muy importante
para generar nuevos avances no solo al dilucidar el sitio de acción de una molécula
en una nueva diana farmacológica sino que también permite el reposicionamiento
de fármacos y la predicción de reacciones adversas a fármacos a través de sus
interacciones con proteínas (24,25) .
De esta forma, el acoplamiento molecular ligando-proteína puede ser de dos tipos:
acoplamiento molecular rígido, donde tanto el ligando y el receptor se encuentran
rígidos y solo se considera una única conformación con 6 grados de libertad de
traslación y rotación; por otro lado, el acoplamiento molecular flexible, donde el
ligando se encuentra flexible y el receptor rígido, donde el ligando podrá adoptar
múltiples conformaciones en el espacio del sitio activo (22).
El acoplamiento molecular es la combinación de dos funciones: algoritmos de
búsqueda y función de puntuación. Con respecto a los algoritmos de búsqueda,
existen distintos métodos para la búsqueda conformacional del sitio de anclaje
24
flexible del ligando a la proteína: búsqueda sistemática y aleatoria, Monte Carlo,
algoritmos genéticos, dinámica molecular. Los algoritmos de búsqueda determinan
todos los modos de unión posibles del ligando a la proteína en un espacio
determinado (22,26).
En la función de puntuación, se tienen en cuenta los potenciales químicos que se
producen entre las dos moléculas, los cuales determinan la preferencia hacia la
conformación de unión y la energía libre de unión o también llamada afinidad de
unión. Por lo cual, es un método matemático que determina la fuerza de interacción
entre ambas moléculas, donde su ecuación tiene en cuenta la suma total de los
enlaces inter e intramoleculares entre el ligando y receptor (27).
De esta manera, mientras que el algoritmo de búsqueda determina los modos
conformacionales de ligando a la proteína, la función de puntuación determina la
afinidad de unión y la preferencia hacía una conformación. Así, el acoplamiento
molecular es capaz de predecir a nivel molecular el lugar de anclaje de una molécula
en otra molécula en un espacio junto con sus potenciales químicos de interacción
entre ellos.
CRIBADO VIRTUAL (VS)
El cribado virtual, también llamado screening virtual (VS), es un filtro computacional
(in sílico) que consiste en seleccionar virtualmente moléculas o compuestos que
posean un potencial de actividad frente a una determinada diana farmacológica, de
tal manera que se pueda generar nuevos fármacos o análogos de fármacos a partir
de ellos (28). Existen dos métodos de selección de compuestos derivados del
cribado virtual, dependiendo del tipo de estructura a analizar: cribado virtual basado
en ligandos (Ligand-based virtual screening) o cribado virtual basado en receptores
(Receptor-based virtual screening)
25
El cribado virtual basado en ligandos analiza las similitudes y propiedades
fisicoquímicas de los ligandos activos para predecir la actividad que tendrá otro
compuesto con características similares. En cambio, el cribado virtual basado en
receptores es utilizado cuando está disponible la estructura tridimensional del
receptor o proteína; mediante este método se evalúa las posibles interacciones
entre los ligandos activos y las estructuras del receptor en el sitio de unión. Por tal
razón, el cribado virtual basado en receptor representa un estudio más determinado
puesto que analiza la interacción entre el ligando y su unión a la estructura, a
diferencia del basado en ligandos donde solo se enfocan en la estructura de los
ligandos buscando nuevos sitios de unión de moléculas o cambiando las moléculas
unidas a ellas, de tal manera que se mejoren sus propiedades farmacocinéticas o
farmacodinámicas (28).
La ventaja de realizar un cribado virtual es que se puede evaluar una diana
farmacológica con múltiples o miles de compuestos al tiempo, característica muy
importante cuando se está buscando sustancias promisorias para desarrollo de
nuevos fármacos (27).
DINÁMICA MOLECULAR (DM)
La dinámica molecular es una herramienta computacional que predice a nivel
estructural la interacción ligando-receptor no solo a nivel espacial sino también
temporal. La DM se basa en los principios de la mecánica clásica, calculando la
fuerzas entre los átomos que la conforman mediante en la segunda ley de
termodinámica de Newton, donde F=ma (29); ya que al saber la posición de los
átomos en un sistema, se puede determinar la fuerza que ejerce cada átomo hacia
los demás átomos, así como también establecer la posición atómica en un tiempo
de acuerdo a las leyes de movimiento de newton (30).
La DM evalúa los cambios en la energía potencial de un sistema, generando una
predicción del comportamiento temporal del sistema, con un análisis de trayectorias
26
y fluctuaciones, y evalúa que tan estable es un complejo ligando-receptor. Se trata
por tanto de un método determinista, es decir, el estado de un punto de la trayectoria
permite predecir el estado del siguiente (31). Por tanto, se hace necesario emplear
métodos teóricos de modelado molecular y de simulación que complementen los
resultados obtenidos mediante técnicas experimentales.
Las simulaciones de dinámica molecular se basan en unos campos de fuerza de
mecánica molecular, para determinar el movimiento de cada átomo en un sistema
a lo largo del tiempo basándose en las interacciones interatómicas que se
produzcan entre ellos. Adicionalmente, a diferencia del acoplamiento molecular, en
la DM no solo se pueden observar los cambios conformacionales de los compuestos
y el clivaje del ligando a la proteína, sino también el plegamiento de las proteínas
en el sistema, de acuerdo a sus posiciones atómicas en un tiempo determinado (30).
Los campos de fuerza en DM son esenciales para determinar el movimiento
espacial de las proteínas. Éstos se basan en la suma de las interacciones
enlazantes y no enlazantes del sistema; siendo las interacciones enlazantes los
enlaces covalentes, ángulos de valencia y ángulos torsionales, mientras que las
interacciones no enlazantes se refieren a las fuerzas de Van der Waals y las
interacciones electrostáticas (31).
27
4. METODOLOGÍA
4.1. SELECCIÓN Y PREPARACIÓN DE LIGANDOS
Se realizó una búsqueda de anestésicos locales en la literatura científica, donde
solo se eligieron como ligandos los 10 anestésicos locales tipo amida clínicamente
disponibles; utilizando la base de datos PubChem
(https://pubchem.ncbi.nlm.nih.gov/) (32), se insertó el nombre de la estructura y se
identificó el código de registro. Adicionalmente, se realizó una búsqueda de
análogos de anestésicos locales tipo amida, con un filtro de búsqueda de identidad
estructural del 95%, cuyos criterios de exclusión fueron aquellas moléculas con
estructura salina y moléculas que tuvieran el mismo análogo estructural con otros
ligandos. La minimización de las estructuras se realizó mediante algoritmo de
herramientas Open Babel (33), aplicando campos de fuerza MMFF94; utilizando
gradientes conjugados y el algoritmo de descenso más pronunciado que incluye
2500 pasos.
4.2. SELECCIÓN Y PREPARACIÓN DEL RECEPTOR
Se seleccionó el complejo cristalográfico de la estructura de la proteína del canal
Nav1.7 humano (código PDB: 5EK0, resolución de 3,53 Å) (34). Se analizó la
proteína en pdb4amber, donde se evidenciaron espacios en la estructura. Por tanto,
su refinamiento se realizó mediante un modelo por homología utilizando el servidor
online Swiss Model del Bioinformatic Swiss Institute
(https://swissmodel.expasy.org/) (35), mediante la secuencia FASTA del PDB:
5EK0, generando un nuevo modelo PDB.
Además, el complejo co-cristalizado de canal NavAb-flecainida (código PDB: 6MVX)
(13) fue seleccionado como complejo de validación de ligando objetivo. El canal
NavAb se preparó utilizando el paquete de software UCSF Chimera versión 1.15
28
(36), eliminando los iones fosfato y extrayendo flecainida de la estructura,
generando un nuevo archivo PDB flecainida independiente.
El canal Nav1.7 humano de la estructura de la proteína diana y el canal NavAb de la
proteína de control se calcularon con cargas atómicas de Kollman y se unieron
hidrógenos no polares mediante AutoDockTools 1.5.7 (37).
4.3. IDENTIFICACIÓN DE SITIOS DE UNIÓN
Inicialmente, se realizó una búsqueda predictiva de los bolsillos de unión de ligandos
en el canal Nav1.7 mediante servidores en línea de PrankWeb
(https://prankweb.cz/)(38), CASTp (http://sts.bioe.uic.edu/castp/index.html?4jii)(39)
y PockDrug (http://pockdrug.rpbs.univ-paris-diderot.fr/cgi-bin/index.py?page=home)
(40), utilizando el PDB del modelo por homología generado.
4.4. VALIDACIÓN DE PROTOCOLOS DE ACOPLAMIENTO MOLECULAR
La validación de las estructuras del complejo proteína-ligando se realizó utilizando
el complejo NavAb-flecainida co-cristalizado (código PDB: 6MVX). Se seleccionó el
ligando de referencia flecainida para definir el centro y las dimensiones del cuadro
de la cuadrícula. Se realizó una réplica de las coordenadas del ligando con un
espaciado de cuadrícula establecido en 1.00 Å, en un espacio de cuadrícula central
de x = -4.609 Å, y = -45.023 Å, z = -27.019 Å con valores de compensación de x =
12.0 Å, y = 14.0 Å y z = 10.0 Å., de tal forma que los resultados obtenidos en el re-
acoplamiento molecular fueron lo más aproximados posibles a la pose, ubicación e
interacciones del ligando obtenidas en la cristalografía previa, con un RMSD <2 Å.
4.5. ACOPLAMIENTO MOLECULAR
Los acoplamientos moleculares de Nav1.7 y los ligandos se ejecutó por triplicado
mediante AutoDock Vina basado en bash scripting (27). El espaciado de la
cuadrícula se estableció en 1.00 Å, con un espacio de la cuadrícula central de x = -
29
50.225 Å, y = -22.328 Å, z = 4.359 Å con valores de desplazamiento de x = 12.0 Å,
y = 6.0 Å y z = 10.0 Å. Cada acoplamiento molecular se simuló individualmente, con
una exhaustividad de 8 y determinando 10 conformaciones en función del valor de
efectividad, energía libre y RMSD. Los resultados de la mejor conformación se
registraron en formato pdbqt y se visualizaron con el software PyMOL versión 2.3.4
(41), y luego se convirtieron en formato PDB. La pose con la energía de enlace más
baja se seleccionó como el resultado final de acoplamiento, y se realizó un promedio
de las energías libres de unión con desviación estándar. Las interacciones y los
tipos de unión del complejo canal Nav1.7-ligando se analizaron mediante el
visualizador BIOVIA Discovery Studio versión 4.5 (42) y el programa LigPlot+ versión
2.2 (43).
4.6. DINÁMICA MOLECULAR
Se realizaron simulaciones de dinámica molecular sin restricciones de todos los
átomos utilizando el software PMEMD de AMBER16 (44). Protocolos y análisis de
minimización, equilibrado y producción de DM según Alviz-Amador y col (45) con
algunas modificaciones. Esto se hizo para todos los sistemas de canal Nav1.7
unidos con flecainida, lidocaína, dibucaína, 92367865 y 22578003. Se utilizó el
campo de fuerza ff14SB y GAFF2 para canal Nav1.7 y ligandos, respectivamente.
Las estructuras solvatadas con el modelo de agua TIP3P se minimizaron utilizando
1000 pasos de descenso más pronunciado seguidos de 1000 pasos de
minimización del gradiente conjugado, aplicando una constante de fuerza de
restricción de 25 Kcal/mol-Å2 a toda la molécula de soluto. El calentamiento se
realizó en 5000 pasos de MD de 100 a 300 K con un paso de tiempo de 2 fs,
empleando un termostato de acoplamiento débil a presión constante y restringiendo
los enlaces que involucran hidrógeno usando SHAKE con la tolerancia establecida
en 0.00001. Se utilizó un límite no unido de 8 Å. La electrostática de largo alcance
se manejó utilizando una malla de partículas Ewald (PME) con los parámetros de
PME predeterminados para AMBER con actualización automática de la lista de
30
pares. Después del calentamiento, las restricciones aplicadas a los péptidos y
proteínas se redujeron lentamente de 5 a 0,5 Kcal/mol-A2 en 5 intervalos,
minimizando cada paso primero utilizando 1000 pasos de descenso más
pronunciado seguido de 500 pasos de minimización de gradiente conjugado y paso
de tiempo de 2 fs, seguido de 50 ps de MD a 300 K, presión y temperatura
constantes, ambos con constantes de acoplamiento de Berendsen de 0,2 ps.
El tiempo total de producción fue de 100 ns para cada sistema. En la Tabla 1 se
describe un resumen de todas las simulaciones.
Tabla 1. Resumen de simulaciones de DM desarrolladas en el estudio.
Estructura Inicial Fuente Tiempo de Simulación
Proteína
Canal Nav1.7 (humano) PDB: 5EK0 100ns
Canal Nav1.7-flecainida PDB: 5EK0 100ns
Canal Nav1.7-lidocaína PDB: 5EK0 100ns
Canal Nav1.7- dibucaína PDB: 5EK0 100ns
Canal Nav1.7-92367865 PDB: 5EK0 100ns
Canal Nav1.7-22578003 PDB: 5EK0 100ns
Luego, se realizaron análisis de RMSD utilizando las estructuras promedio como
referencias para estudiar la estabilidad del receptor nativo y acoplados. De manera
similar, se realizó un análisis de movilidad utilizando cálculos de RMSF; al igual que
el análisis de la superficie accesible al solvente (SASA) del canal Nav1.7 y el grado
de compactación de los complejos por medio de radio de giro (Rg). Todos estos
análisis fueron realizados usando el programa cpptraj que se encuentra en el
paquete AMBER16. (46)
31
4.7. PREDICCIÓN DE PROPIEDADES FARMACOCINÉTICAS Y TOXICOLÓGICAS Y SIMILITUD DE DROGAS
La predicción farmacocinética y de similitud para los ligandos de mayor afinidad
92367865, 22578003 y dibucaína se realizaron utilizando la herramienta en línea
SwissADME del Instituto Suizo de Bioinformática (http://www.sib.swiss) (47) y
ADMETSAR (http://lmmd.ecust.edu.cn/admetsar2/about/) (48), un servidor web de
la Universidad de Ciencia y Tecnología de China Oriental. Para ello se utilizó la
representación molecular canónica SMILES y el generador de archivos de
estructura que se encuentran en la herramienta online SwissADME. El análisis se
realizó para determinar algunos parámetros estructurales y farmacocinéticos. Estos
parámetros fueron: donantes y aceptores de enlaces de hidrógeno, peso molecular,
XlogP3, familia del citocromo P450 inhibidor (CYP450), absorción gastrointestinal,
permeabilidad de la barrera hematoencefálica y unión a glicoproteínas P, unión a
proteínas plasmáticas, se verificó Caco2. Por otro lado, los parámetros de
predicción de similitud farmacológica se indicaron como regla de Lipinski y
biodisponibilidad.
Además, se evaluó la toxicidad in sílico de las moléculas utilizando el servidor
GUSAR-Online (49); insertando la representación molecular canónica SMILE,
seguido del desarrollo de las predicciones de los valores de dosis letal 50 (DL50)
para la administración oral de ratas, y finalmente, mostrando la clasificación de
toxicidad aguda en roedores basada en el Proyecto OCDE.
32
5. RESULTADOS
5.1. SELECCIÓN Y PREPARACIÓN DE LIGANDOS
El cribado virtual (Figura 6) se realizó con 3267 ligandos: 1 ligando de control
(flecainida), 10 anestésicos locales seleccionados y 3256 anestésicos locales
análogos (Figura 7). De la búsqueda de 10 anestésicos locales, solo la lidocaína
tiene una asociación con el canal de sodio dependiente de voltaje tipo 9 (canal
Nav1.7), descrito en la base de datos PubChem (Figura 8).
Figura 6. 3267 ligandos seleccionados para cribado virtual: flecainida, 10
anestésicos locales y 3256 análogos estructurales.
33
Figura 7. Criterios de selección para análogos estructurales de anestésicos locales. Los análogos estructurales de Ropivacaína y Levobupicaína se encuentran
incluidos dentro de Bupivacaína.
34
Figura 8. Asociación de anestésicos locales tipo amida al receptor del canal de
sodio a través de la base de datos PubChem.*SCN9A: Canal Nav1.7. SCN4A: Canal
Nav1.4 SCN3A: Canal Nav1.3. SCN5A: Canal Nav1.5. SCN2A: Canal Nav1.2.
SCN1A: Canal Nav1.1.
5.2. SELECCIÓN Y PREPARACIÓN DEL RECEPTOR
Durante la preparación del canal Nav1.7 humano (código PDB 5EK0) usando
pdb4amber, la estructura cristalográfica de los resultados del canal Nav1.7 mostró
dos espacios de 6.69 Å entre el residuo de aminoácido Tyr594 y Pro595 y 7.860 Å
entre Tyr836 y Pro837 Por tanto, se realizó un modelo por homología utilizando el
35
servidor online Swiss Model, con una identidad de secuencia con código PDB 5EK0
y una estimación de calidad global (GMQE) de 0,61 y QMEAN de -3,64. Luego, se
realizó un alineamiento del PDB 5EK0 y el nuevo modelo por homología usando
UCSF Chimera, evidenciando la corrección de los espacios con la adición de los
residuos de aminoácidos faltantes. El espacio entre Tyr594 y Pro595 se corrigió con
Phe590, Val591, Ser592 y el espacio en la cadena D entre Tyr836 y Pro837 se
completó con Phe835, Val836 y Ser837. (Figura 9)
Figura 9. Superposición del canal Nav1.7 humano (PDB 5EK0) y nuevo modelo por
homología. (A). La corrección del espacio entre Tyr594 y Pro595 se corrigió con
Phe590, Val591, Ser592 en la cadena C. (B). Corrección del espacio en la cadena
D entre Tyr836 y Pro837 con Phe835, Val836 y Ser837.
El complejo de control seleccionado para el estudio (código PDB: 6MVX) se alineó
con el canal Nav1.7 humano (código PDB 5EK0) utilizando PROTEIN BLAST Align
Sequences (50), cuyos resultados mostraron 82% de identidad (244/299), espacios
de 5% (17/299) y una puntuación de alineación de 471 bits. Los espacios mostrados
en el servidor BLAST coinciden con los resultados mostrados en pdb4amber para
PDB 5EK0. (Figura 10)
36
Figura 10. Alineación de las secuencias del canal Nav1.7 humano (PDB 5EK0) y el
canal NavAb (PDB 6MVX) utilizando secuencias de PROTEIN BLAST Align.
Consulta: canal NavAb. Asunto: canal Nav1.7 humano.
5.3. IDENTIFICACIÓN DE SITIOS DE UNIÓN
En la predicción de los sitios de unión de ligandos al canal Nav1.7 evidenció que los
tres servidores en línea arrojan resultados similares, donde los mejores bolsillos de
unión al canal de sodio dependiente de voltaje se encuentran ubicados cerca al
dominio del poro central. Asimismo, estos bolsillos contienen los residuos Met185
(A), Thr186 (B), Leu187 (A), Met220 (A), Met430 (B), Thr431 (B), Leu432 (B), Ile458
(B), Thr462 (B), Thr676 (C), Leu677 (C), Thr921 (D), Leu922 (D) implicados en la
interacción con los anestésicos locales en las cadenas A, B, C y D del canal Nav1.7.
(Tabla 2).
Tabla 2. Predicción de bolsillos de unión en canal Nav1.7 por servidores en línea de
PrankWeb, CASTp y PockDrug. Residuos de interacción implicados en el sitio de
unión de los anestésicos locales al canal Nav1.7. * Los residuos de aminoácidos
37
resaltados en negrilla corresponden a los residuos vinculados en el sitio activo de los anestésicos locales.
PREDICTOR EN LÍNEA
UBICACIÓN RESIDUOS DE INTERACCIÓN EN
SITIOS DE UNIÓN*
CASTp
Pocket 1
Met185 (A), Thr186 (A),
Leu187 (A), Met220 (A),
Met430 (B), Thr431 (B),
Leu432 (B), Ile458 (B),
Thr462 (B), Thr676 (C),
Leu677 (C), Thr921 (D),
Leu922 (D).
PrankWeb
Pocket 1
Met185 (A), Thr186 (A),
Leu187 (A), Met220 (A),
Met430 (B), Thr431 (B),
Leu432 (B), Ile458 (B),
Thr462 (B), Leu677 (C).
PockDrug
Pocket 1 Leu187 (A), Thr921 (D),
Leu922 (D).
Pocket 2
Met185 (A), Thr186 (A),
Leu187 (A), Met220 (A),
Met430 (B), Leu432 (B), Ile458 (B),
5.4. VALIDACIÓN DE PROTOCOLOS DE ACOPLAMIENTO MOLECULAR
Con el fin de validar el acoplamiento molecular para el cribado virtual, el ligando co-
cristalizado flecainida del complejo NavAb (código PDB: 6MVX) se volvió a acoplar
38
contra este receptor del canal de sodio, calculando la mejor postura de unión y la
desviación de la raíz cuadrada media (RMSD). Los resultados del reacoplamiento
se alinearon con el complejo co-cristalizado (6MVX) obtenido de Protein Data Bank,
cuyos resultados mostraron un RMSD de 1.157 Å con la mejor pose de unión (-5.7
Kcal/mol) (Fig. 11A). Además, el complejo co-cristalizado del canal de NavAb-
flecainida se alineó con el canal Nav1.7, con un RMSD de 1.560 Å., donde una pose
con un resultado de RMSD de menos de 2.0 Å se considera exitosa (51). (Fig.11B)
Figura 11. A. Alineación de flecainida acoplada nuevamente en el canal NavAb y la
flecainida co-cristalizada en el canal NavAb (código PDB: 6MVX). RMSD: 1.157 Å. B. Alineación de canal NavAb (código PDB: 6MVX) y canal Nav1.7, con un RMSD
de 1.560 Å.
Posteriormente, se extrajo flecainida co-cristalizada del canal NavAb (código PDB:
6MVX) y se unió al canal Nav1.7, para determinar las interacciones con este
receptor. Las interacciones de unión entre la flecainida co-cristalizada en el canal
Nav1.7 y el complejo Nav1.7-flecainida en los resultados de acoplamiento de cribado
virtual mostraron que los residuos de aminoácidos Thr186 (A), Leu187 (A), Thr431
(B), Thr676 (C), Leu677 (C) comparten las mismas interacciones hidrófobas y de
39
enlace de hidrógeno con la pose de flecainida co-cristalizada en el complejo de
canales NavAb (6MVX). (Figura 12)
Figura 12. Alineación de Nav1.7-flecainida co-cristalizada con complejo de
acoplamiento Nav1.7-flecainida. Los residuos encerrados en un círculo rojo (Thr186
(A), Leu187 (A), Thr431 (B), Thr676 (C), Leu677 (C)) corresponden a los mismos
residuos de interacción de ambos complejos.
5.5. ACOPLAMIENTO MOLECULAR DEL CRIBADO VIRTUAL
Los resultados del acoplamiento revelaron que 92367865 mostró la mejor energía
de unión por afinidad con valores de -6.4 + 0.0 Kcal/mol, seguido por 22578003 con
valores de -6.3 + 0.15 Kcal/mol Igualmente, se comparó con flecainida, dibucaína y
lidocaína, cuyos resultados de acoplamiento molecular mostraron que el ligando de
control tenía un puntaje de acoplamiento de -5.6 + 0.15 Kcal/mol, mientras que la
40
dibucaína tiene una energía de unión mayor de -5.1 + 0.12 Kcal/mol que la lidocaína
con -4.2 + 0.12 Kcal/mol. (Tabla 3)
Tabla 3. Interacción entre los residuos de aminoácidos en el canal Nav1.7 y ligandos
(flecainida, lidocaína, dibucaína, 22578003 y 92367865).
LIGANDO
ENERGÍA DE
AFINIDAD (Kcal/mol)
ENLACES DE
HIDRÓGENO
ENLACES HIDROFÓBICOS
92367865 -6.4 + 0.0 Thr462 (B) Met185 (A), Thr186 (A), Leu187 (A), Met220
(A), Thr431 (B), Leu432 (B), Ile458 (B)
22578003 -6.3 + 0.15 Thr462 (B) Met185 (A), Thr186 (A), Leu187 (A), Met430
(B), Thr431 (B), Leu432 (B), Thr676 (C),
Leu677 (C)
Flecainida -5.4 + 0.15 Thr186 (A) Met185 (A), Leu187 (A), Thr431 (B), Leu432 (B), Thr676 (C), Leu677 ( C), Thr921 (D),
Leu922(D)
Dibucaína -5.2 + 0.12 Thr186 (A) Met185 (A), Leu187 (A), Leu432 (B), Thr462
(B), Leu677 ( C), Thr921 (D), Leu922(D)
Lidocaína -4.1 + 0.12 - Met185 (A), Leu187 (A), Thr217 (A), Thr431
(B), Leu432 (B), Thr676 ( C), Thr921 (D),
Leu922(D)
La visualización de las interacciones entre las mejores poses de los ligandos
seleccionados reveló enlaces hidrófobos comunes con los residuos Met185 (A),
Leu187 (A), Leu432 (B) para todos los ligandos. 22578003 y 92367865 tenían el
41
mismo y único enlace de hidrógeno entre el residuo Thr462 en la cadena B (Figura
13), mientras que la flecainida y la dibucaína compartían el mismo enlace de
hidrógeno con el residuo Thr186 en la cadena A (Figura 14). Sin embargo,
excepcionalmente la lidocaína no tiene interacción de enlace de hidrógeno y en
cambio tiene un enlace hidrofóbico con Thr462 (B) (Figura 15). Además, se
encontraron muchas otras interacciones de enlaces hidrófobos entre Thr186 (A),
Met220 (A), Met430 (B), Thr431 (B), Ile458 (B), Thr676 (C), Leu677 (C), Thr921 (D),
Leu922 (D).
Figura 13. Interacciones de residuos entre anestésicos locales y análogos frente a la proteína Nav.1.7. (A). 92367865. (B). 22578003.
42
Figura 14. Interacciones de residuos entre anestésicos locales y análogos frente a la proteína Nav.1.7. (A). Flecainída. (B). Dibucaína.
Figura 15. Interacciones de residuos en complejo lidocaína frente a la proteína Nav1.7.
43
5.6. DINÁMICA MOLECULAR
Debido a que ambos ligandos con mejores valores de afinidad en los resultados de
acoplamiento molecular son análogos de la dibucaína, la dibucaína también se
seleccionó para la dinámica molecular, al igual que lidocaína (fármaco referente
clínicamente en odontología como anestésico local) y flecainida (como ligando de
control). En la figura 16A se presentan los valores de RMSD del canal Nav1.7
humano nativo como referencia, el complejo Nav1.7-dibucaína, el complejo Nav1.7-
lidocaína, el complejo Nav1.7-92367865, el complejo Nav1.7-22578003 y el
complejo de control Nav1.7-flecainida.
El análisis de trayectoria de RMSD, evidenció que 22578003, dibucaína y lidocaína
son más estables con valores de RMSD entre 2 y 3 Å, mientras que flecainida fue
el complejo que presentó los valores de RMSD más altos entre 20-30 ns con un
rango de RMSD entre 5 y 7 Å ; lo que significa que la flecainida es el ligando que
induce más cambios conformacionales en el canal Nav1.7, mientras que 92367865
fue el ligando que realizó los menores cambios conformacionales en el canal de
sodio Nav1.7 dependiente por voltaje.
Por otro lado, los valores de RMSF muestran el movimiento de cada residuo durante
la simulación. Los residuos con valores de RMSF más altas representan una mayor
flexibilidad individual durante el movimiento de las proteínas. Los resultados de
RMSF muestran que, en general, los complejos de dibucaína, flecainida y 22578003
tienen la mayor flexibilidad en los residuos entre la posición 230-260 de la secuencia
(DAMAILNQKEEQHIIDMYLRITNIVESSFFT) con valores de RMSF de 14 y 13 Å y
un ΔRMSF 1.57 Å respectivamente. El complejo de lidocaína evidenció una alta
flexibilidad que oscila entre los residuos de la posición 480-510 de la secuencia
(LNQKEEQHIIDMYLRITNIVESSFFTKFIIY), en comparación con los otros
complejos. Sin embargo, el complejo 92367865 tenía el perfil de movilidad más bajo
de todos los complejos estudiados en la simulación, con valores de RMSF inferiores
a 10 Å, con un ΔRMSF total -5.6 Å. Además, las puntuaciones de RMSF más bajas
44
en general son de los complejos 92367865 y 22578003, entre los residuos 185-189
de secuencia (MTLES) con 0,8 Å, con un ΔRMSF -5.6 Å, los residuos 462-465 de
secuencia (TFVM) con 1,1 Å y un ΔRMSF -5.7 Å
677-679 de secuencia (LES) con 0,75 Å y 920-923 de secuencia (MTLE) con 0,85
Å. (Figura 16B)
45
Figura 16. Dinámica molecular del canal Nav1.7 nativo, flecainida, lidocaína, dibucaína, 92367865 y 22578003. (A) RMSD. (B) RMSF.
Los valores de SASA corresponden al área superficial accesible al solvente para todo el complejo en el estudio. Todos los complejos tienen valores de SASA que
oscilan entre 60000 y 56000 Å2, con una tendencia a disminuir con el tiempo, lo que
indica que todos los complejos tienen el mismo comportamiento y estabilidad en el
canal Nav1.7. Sin embargo, los complejo de análogos tuvieron los valores de SASA
más altos por encima de 62000 Å2 y son los mismos con las puntuaciones más bajas
por debajo de 55000 Å2, mientras que los complejos de dibucaína y lidocaína
tienden a aumentar los valores de SASA con el tiempo con picos más altos entre
61600 y 61900 Å2. El complejo de flecainida es el que tiene los picos de fluctuación
más bajos, lo que indica que este ligando es de naturaleza encogida. (Figura 17A)
En el radio de giro (Rg), los resultados muestran que la dibucaína y el complejos
22578003 tienen los valores más altos en comparación con los demás, lo que indica
que poseen un menor grado de compactación y rigidez, mientras que 92367865 no
afecta el canal Nav1.7 de la proteína porque tiene los valores de Rg más bajos, por
lo tanto, es más compacto, lo que sugiere que estos dos formaron conformaciones
más rígidas durante las simulaciones. (Figura 17B)
46
Figura 17. Dinámica molecular del canal Nav1.7 nativo, flecainida, lidocaína,
dibucaína, 92367865 y 22578003. (A) SASA. (B) Rg análisis de todas las
trayectorias.
47
5.7. PREDICCIÓN DE PROPIEDADES FARMACOCINÉTICAS Y TOXICOLÓGICAS Y SIMILITUD DE DROGAS
La Tabla 4 presenta las propiedades farmacocinéticas predichas usando el servidor
en línea SwissADME y ADMETSAR y la toxicidad oral aguda en ratas obtenida con
el predictor GUSAR. Ninguna molécula estudiada mostró violaciones de Lipinski,
todas presentaron alta absorción gastrointestinal, permeabilidad de la barrera
hematoencefálica, una puntuación prevista de biodisponibilidad de 0,55, una
variabilidad de predicción inhibitoria sobre CYP y toxicidad aguda clasificada como
clase III según la OCDE.
Tabla 4. Propiedades ADME y toxicidad oral aguda de dibucaína, 22578003 y
92367865 realizadas por servidores de predicción en línea SwissADME,
ADMETSAR y GUSAR.
PROPIEDADES Dibucaína 22578003 92367865
Peso Moleculara 343.46 396.48 396.48
#H-enlaces aceptadoresb 4 3 3
#H-enlaces donantesc 1 1 1
XLOGP3d 4.4 6.16 6.16
Refractividad molare 102.58 119.82 119.82
#Violaciones Lipinskif 0 0 0
#Enlaces rotativosg 11 8 8
TPSAh 54.46 51.22 51.22
Absorción GI High High High
Permeabilidad BHE Yes Yes Yes
Puntuación biodisponibilidad 0.55 0.55 0.55
48
Substrato Pgp No Yes Yes
CYP1A2 inhibidor Yes No No
CYP2D6 inhibidor Yes Yes Yes
CYP3A4 inhibidor Yes Yes Yes
log Kp (cm/s) -5.27 -4.34 -4.34
Caco-2 + + +
Toxicidad Oral Aguda (c) III III III
Ratones Oral LD50 (mg/kg) 676,800 in
AD
1505,000 in
AD
1505,000 in
AD
a Peso molecular inferior a 500 Dalton.
b Aceptador de enlaces de hidrógeno menor o igual a 10.
c Menos o iguales 5 donantes de enlaces de hidrógeno.
d Alta lipofilicidad (expresada como LogP) inferior a 5.
e La refractividad molar debe estar entre 40 y 130.
f Regla de Lipinski de cinco violaciones menores o iguales a 1.
g Menor o igual a 10 enlaces rotativos.
h Área de superficie polar topológica (TPSA) menor o igual a 140.2.
49
6. DISCUSIÓN
Los avances en la ciencia han permitido el uso de nuevas tecnologías y procesos
que hoy en día están aprobados, los cuales proporcionan grandes descubrimientos
con información detallada como estudios in sílico, a través de inteligencia artificial.
La inteligencia artificial puede evaluar el objetivo, la eficacia y la predicción ADMET
de un fármaco, e incluso el diseño de un fármaco de novo (52). Por lo tanto, la
inteligencia artificial ha transformado y cambiado las vías de desarrollo de fármacos,
con múltiples tipos de técnicas que pueden utilizarse para el descubrimiento y la
identificación de fármacos en cualquier campo académico. En odontología, la
técnica in sílico de este estudio a través del cribado virtual basado en receptores
proporciona una herramienta útil e importante para una mejor comprensión de la
interacción entre los anestésicos locales y el canal de sodio dependiente de voltaje
Nav1.7 presente en la pulpa dental inflamada.
Se sabe que los canales de sodio Nav1.7 dependientes de voltaje están
ampliamente involucrados en la pulpa dental dolorosa, el cual es un factor clave
para resolver un proceso inflamatorio urgente en la cavidad oral. Como demostraron
varios estudios, el canal Nav1.7 se activa e inactiva rápidamente con la sensación
de dolor relacionada con la generación de potencial de acción en neuronas
periféricas (20). Los anestésicos locales juegan un papel importante en el bloqueo
de las vías del dolor mediante la inhibición del potencial de acción. Los estudios
muestran que los anestésicos locales no tienen un sitio de unión específico en los
canales de sodio activados por voltaje, sino que están localizados en el poro de la
cavidad central. Sin embargo, no hay estudios que evalúen la asociación molecular
y estructural entre el canal Nav1.7 y los anestésicos locales, a excepción de este
estudio que enfatizó específicamente en el sitio de unión, las interacciones y el
comportamiento de los anestésicos locales a través de un amplio cribado virtual.
De acuerdo con el complejo cristalizado de Gamal y col., los resultados de
reacoplamiento de flecainida con el canal NavAb coinciden con la posición de unión
50
y el sitio de los residuos Met174, Thr175, Leu176 (13). Aunque la validación inicial
se realizó en un canal de sodio activado por voltaje bacteriano y no en un canal Nav
humano, la superposición del canal Nav1.7 humano y el canal NavAb ha demostrado
que comparten una estructura común, dominios y secuencia, con resultados
mostrados con una identidad del 82% durante el alineamiento, lo cual fue relevante
en la identificación de residuos ligados al bolsillo de unión del canal Nav1.7,
mostrando cuatro dominios diferentes con una cavidad de poro central. Estos
resultados están respaldados por Ahuja y col, quienes diseñaron con éxito el canal
Nav1.7 humano a partir del canal NavAb translocando los cuatro dominios de
detección de voltaje y manteniendo sus propiedades funcionales, farmacológicas y
estructurales (14).
En investigaciones, el filtro de selectividad de Na+ se ha dilucidado en la estructura
cristalina del canal NavAb, en el que se determina que los iones de Na+ interactúan
directamente con los carbonilos de Leu176 o Thr175 (53), lo que coincide con los
resultados de este acoplamiento y explica la capacidad de los anestésicos locales
para unirse fuertemente a estos residuos de aminoácidos (Thr186 y Leu 187
correspondientes en el canal Nav1.7 humano), teniendo en cuenta que los
anestésicos locales impiden el paso de los iones Na+ a los canales de sodio
activados por voltaje, al entrar en el canal de sodio y alcanzar el filtro de selectividad
para los iones de Na+.
El principal hallazgo de este estudio fue evidenciar el sitio de unión específico de
los anestésicos locales a los residuos de aminoácidos Met185 (A), Thr186 (A),
Leu187 (A), Leu432 (B), Thr462 (B) del canal Nav1.7, en el dominio del poro central.
Asimismo, los resultados mostraron que la tríada catalítica de los anestésicos
locales está constituida por Met185, Thr186 y Leu187 en el dominio del poro interno,
en el cual los grupos carbonilo de estos residuos interactúan con los grupos amino
en estado protonado de los anestésicos locales, los cuales son factores clave para
su interacción de unión molecular y energía de afinidad (54). Adicionalmente, los
resultados predictivos del sitio de unión en los servidores en línea evidencian que
51
éstos contienen también los mismos residuos fundamentales en la sitio catalítico de
interacción con los anestésicos locales al canal Nav1.7, como también se encontró
en el acoplamiento molecular, lo cual reafirma el sitio de clivaje específico de ellos
en el canal.
Los compuestos 22578003 y 92367865 tienen la mejor energía de unión en general
al canal Nav1.7, presumiblemente debido a sus anillos aromáticos adicionales y
grupos propilo que difieren de las estructuras de dibucaína, lidocaína y flecainida, lo
que les confiere más enlaces rotativos y aceptores de enlaces de hidrógeno. Al
mismo tiempo, estos análogos tienden a unirse a las cadenas laterales A y B,
preferiblemente con un enlace de hidrógeno común en la cadena B al residuo
Thr462. Sin embargo, 22578003 se une más centralmente al poro interno, logrando
algunos enlaces hidrófobos a la cadena C a través de los residuos Thr676 (C),
Leu677 (C). Los resultados de acoplamiento en general muestran que los residuos
clave están compuestos principalmente de metionina, treonina y leucina del canal
Nav1.7 que interactúan directamente en el poro interno, excepto en un caso único
de Ile458 en la cadena B unida a 92367865; de manera similar, a los hallazgos de
Buyan y col donde las interacciones entre los anestésicos locales en los canales
NavMs y NavAb se componen principalmente de leucinas clave y treonina y, en
algunos casos, fenilalanina (54).
Además, las diferencias estructurales entre flecainida, anestésicos locales y sus
análogos se evidencian en sus poses de unión al canal Nav1.7. Las estructuras que
son más grandes tienden a estirarse cerca de la superficie de ciertos dominios que
forman el poro interno, como se muestra en los resultados de las poses de unión de
acoplamiento del estudio, en el que 22578003, 92367865 y flecainida se encuentran
más cerca de las cadenas A y B en vez ubicarse más centralmente al poro, como
lidocaína y dibucaína que interactúa también con las cadenas C y D. Este hallazgo
concuerda con los resultados experimentales de Gamal y col entre flecainida y
lidocaína, en donde la flecainida se extiende hacia las paredes de la cavidad central
del canal NavAb (13).
52
Con respecto al análisis de trayectorias de RMSD, se observa que los complejos de
lidocaína, dibucaína y 22578003 se presentan en un estado de plegamiento
intermedio, mientras que el complejo 92367865 mantiene un estado plegado con
los valores de RMSD más bajos en general (55). Por lo que, cuanto más
convergente es un ligando a la proteína, cuanto más cerca está
intermolecularmente, más plegado está y menores valores de RMSD tendrá. Por el
contrario, el complejo de flecainida tiende a permanecer en un estado desplegado
durante toda la trayectoria, afectando la convergencia de las trayectorias hacia la
estructura nativa. Sin embargo, todas las proteínas no siempre mantienen los
estados de plegamiento durante toda la trayectoria, sino que pueden tener
transiciones plegadas/desplegadas que se pueden ver en el gráfico RMSD (56).
Además, el comportamiento de plegamiento de todos los complejos converge en el
mismo rango de valores de RMSD, entre 2 y 3 Å, mostrando menos dispersión a
medida que aumenta el tamaño de la proteína y el tiempo de simulación. Es habitual
ver un estrechamiento de la distribución de RMSD para proteínas de más de 200
aminoácidos, especialmente después de 20ns, lo que concuerda con nuestros
resultados teniendo en cuenta que el tamaño del canal Nav1.7 consta de 980
residuos de aminoácidos y después de 50ns de trayectoria los valores de RMSD de
todos los complejos son muy similares entre sí (57).
Según los resultados de RMSF, se evidenciaron altos picos de fluctuación en varios
complejos, sin embargo, esos desplazamientos de residuos no se encuentran en la
tríada catalítica para los complejos de lidocaína, flecainida y 92367865. Teniendo
en cuenta el sitio de unión específico de los ligandos al canal Nav1.7, los residuos
Met185, Thr186, Leu187 en la cadena A y Leu432, Thr462 en la cadena B de los
complejos 92367865 y 22578003 fueron los que tuvieron el menor desplazamiento
durante la trayectoria de simulación con valores de RMSF entre 0,7 y 0,85 Å y un
ΔRMSF -5.6 Å. Estos resultados de ΔRMSF son inferiores a 0,5 Å, por lo cual no
generarán cambios estructurales significativos debido a que estos residuos son los
que tienen la menor fluctuación individual que conferirá estabilidad de unión y los
53
valores de RMSD más bajos en general (58). Por lo tanto, estos residuos de
aminoácidos de la tríada catalítica están altamente conservados y presentan baja
movilidad con o sin ligandos en el canal Nav 1.7.
De la misma manera que en los resultados del análisis RMSF, el complejo 92367865
tuvo los puntajes SASA, RMSD y RMSF más bajos, lo que sugiere que es una
proteína encogida con gran estabilidad y perfil de baja movilidad que causa los
menores cambios en el canal Nav1.7 humano, pareciéndose casi a la misma
simulación de trayectoria de la estructura nativa en comparación con todos los
resultados obtenidos de la dinámica molecular (59). Además, en los resultados de
SASA, los complejos de flecainida, 92367865 y 22578003 tienden a disminuir con
el tiempo, lo que implica el aumento de la contracción de la proteína y confiere mayor
estabilidad debido a perfiles de movilidad más bajos (60). Por el contrario, los
complejos de dibucaína y lidocaína aumentan los valores de SASA en el canal
Nav1.7, causando expansión de proteínas, en lugar de contracción, mayor
flexibilidad como se encuentra en los resultados de RMSF y mayor inestabilidad
como se muestra en los valores de RMSD.
Por otro lado, el radio de giro es un parámetro que describe la reorganización de las
estructuras en la región desplegada (55), de esa manera, los estados de
plegamiento son inversamente proporcionales a los valores de Rg, lo que significa
que los estados plegados tienen un valores de Rg menor. Por lo tanto, a valores
más bajos de Rg es más compacta la proteína, lo que se correlaciona con los
resultados obtenidos en el estudio, donde dibucaína y 22578003 presentan bajo
grado de compactación con altos puntajes de Rg, mientras que el complejo
92367865 fue el más compacto y consecuentemente generó conformaciones más
rígidas en un estado plegado en el canal Nav1.7, tal como se obtuvo en los puntajes
de RMSD, RMSF y SASA donde fue el complejo con el mejor comportamiento en
general (61).
54
Ahora bien, para proponer el uso de un nuevo anestésico local de acuerdo a los
resultados obtenidos es necesario evaluar las propiedades fisicoquímicas y de
similitud de fármacos mediante predictores de ADME (Absorción, Distribución,
Metabolismo y Excreción) y toxicidad. Es importante ver que no hay violaciones en
ninguno de los análogos de anestésicos locales estudiados de acuerdo con la regla
5 de Lipinski, donde debe cumplir tres de los cuatro parámetros porque el aumento
del peso molecular reduce la permeabilidad hematoencefálica e intestinal, la
lipofilicidad se asocia con la absorción y los donantes o aceptores de enlaces de
hidrógeno excesivos afectan la permeabilidad a la membrana (62).
Aunque 92367865 y 22578003 tienen un LogP superior a 5, estos compuestos aún
pueden usarse con buena absorción y permeabilidad de acuerdo con las reglas de
Lipinski. Este LogP alto se debe a que los compuestos 22578003 y 92367865 son
análogos de dibucaína. La dibucaína es conocida como uno de los anestésicos
locales amina/amida más potentes y duraderos, debido a su gran anillo de quinolina,
el cual es el anillo aromático más hidrofóbico de todos los anestésicos locales, lo
que les confiere una alta solubilidad en lípidos y por lo tanto más potencia
farmacológica (63). Adicionalmente, en los resultados obtenidos, 92367865 y
22578003 mostraron una variabilidad en los sistemas enzimáticos asociados al
metabolismo hepático en comparación con la dibucaína.
Sin embargo, las propiedades y los comportamiento de 22578003 y 92367865 frente
al canal Nav1.7 en las fibras sensitivas A delta y C, deben corroborarse en diferentes
condiciones con más estudios in vitro o in vivo para que puedan ser utilizados
posteriormente en odontología para controlar el dolor dental en procesos
inflamatorios.
55
7. CONCLUSIONES
Este estudio propone un protocolo in sílico basado en el cribado virtual de
anestésicos locales y análogos estructurales en el canal Nav1.7 mediante
acoplamiento molecular y simulación por dinámica molecular. Por lo tanto, se
demostró la interacción molecular de nuevos análogos estructurales y el canal
Nav1.7. El ligando 92367865 tuvo la mejor energía de unión por afinidad en el
acoplamiento molecular, lo que sugiere que los enlaces rotativos adicionales y los
aceptores de enlaces de hidrógeno probablemente mejoran su clivaje e interacción
con este canal de sodio. Los resultados de dinámica molecular demostraron que
92367865 formó un complejo compacto y encogido que mantiene un estado plegado
con conformaciones más rígidas a lo largo del tiempo en comparación con los otros
complejos del canal Nav1.7. Por otro lado, todos los ligandos presentaron alta
absorción gastrointestinal, permeabilidad de la barrera hematoencefálica, una
variabilidad de predicción inhibitoria sobre CYP pero ninguno presentó violaciones
de las reglas de Lipinski en las predicciones ADME ni toxicidad in sílico. Por lo tanto,
los resultados sugieren que 92367865 podría ser útil como un potencial fármaco con
actividad promisoria sobre el canal Nav1.7 y podría usarse como nuevo anestésico
local en condiciones inflamatorias en la pulpa dental a través del bloqueo de las vías
del dolor para la investigación experimental debido a la gran cantidad de literatura
que respalda la expresión de este canal en dichas condiciones.
56
8. RECOMENDACIONES
• Realizar estudios experimentales in vitro para evaluar la actividad biológica del
compuesto 92367865 como potencial anestésico local en odontología.
• Evaluar mediante un estudio cuantitativo de relación estructura-actividad el
compuesto 92367865 como anestésico local promisorio en odontología.
• Estudiar el clivaje de los anestésicos locales y sus análogos en bolsillos de unión
alostéricos encontrados en los servidores en línea.
• Ejecutar nuevos estudios in sílico sobre la interacción de los anestésicos locales
en los distintos tipos de canales de sodio dependientes de voltaje disponibles en
las bases de datos como Nav1.4 y Nav1.5 y otros canales vinculados con pulpa
dental inflamada.
• Analizar la interacción de los anestésicos locales en el canal Nav1.7 en conjunto
con la membrana lipídica mediante simulaciones de dinámica molecular.
• Establecer estudios de cálculo de energía libre de unión, MM-PBSA, el análisis
de los componentes principales (PCA) y análisis de clusters mediante los
resultados de dinámica molecular del estudio.
57
9. BIBLIOGRÁFÍA
1. Närhi M, Bjørndal L, Pigg M, Fristad I, Haug S. Acute dental pain I: pulpal and
dentinal pain. Nor Tannlegeforen Tid. 2016;126:10–8.
2. Pinto V, Derkach VA, Safronov BV. Role of TTX-Sensitive and TTX-Resistant
Sodium Channels in Aδ- and C-Fiber Conduction and Synaptic Transmission.
Journal of Neurophysiology. 2008 Feb;99(2):617–28.
3. Aulestia-Viera PV, Braga MM, Borsatti MA. The effect of adjusting the pH of
local anaesthetics in dentistry: a systematic review and meta-analysis. Int
Endod J. 2018 Aug;51(8):862–76.
4. Zhou S, Huang G, Chen G. Synthesis and biological activities of local
anesthetics. RSC Adv. 2019;9(70):41173–91.
5. Wadlund DL. Local Anesthetic Systemic Toxicity. AORN Journal. 2017
Nov;106(5):367–77.
6. Bina B, Hersh EV, Hilario M, Alvarez K, McLaughlin B. True Allergy to Amide
Local Anesthetics: A Review and Case Presentation. Anesthesia Progress.
2018 Jun 1;65(2):119–23.
7. Baniceru M, Manda CV, Popescu SM. Chromatographic analysis of local
anesthetics in biological samples. Journal of Pharmaceutical and Biomedical
Analysis. 2011 Jan;54(1):1–12.
8. Barletta M, Reed R. Local Anesthetics. Veterinary Clinics of North America:
Small Animal Practice. 2019 Nov;49(6):1109–25.
9. Noble KA. Local Anesthesia Toxicity and Lipid Rescue. Journal of
PeriAnesthesia Nursing. 2015 Aug;30(4):321–35.
58
10. Catterall WA, Lenaeus MJ, Gamal El-Din TM. Structure and Pharmacology of
Voltage-Gated Sodium and Calcium Channels. Annu Rev Pharmacol Toxicol.
2020 Jan 6;60(1):133–54.
11. de Lera Ruiz M, Kraus RL. Voltage-Gated Sodium Channels: Structure,
Function, Pharmacology, and Clinical Indications. J Med Chem. 2015 Sep
24;58(18):7093–118.
12. Suwanchai, A., Theerapiboon, U., Chattipakorn, N., & Chattipakorn, S. C.
Expression of sodium channels in dental pulp. Asian Biomedicine,.
2011;5(6):735–46.
13. Gamal El-Din TM, Lenaeus MJ, Zheng N, Catterall WA. Fenestrations control
resting-state block of a voltage-gated sodium channel. Proc Natl Acad Sci USA.
2018 Dec 18;115(51):13111–6.
14. Ahuja S, Mukund S, Deng L, Khakh K, Chang E, Ho H, et al. Structural basis of
Nav1.7 inhibition by an isoform-selective small-molecule antagonist. Science.
2015 Dec 18;350(6267):aac5464–aac5464.
15. Balasco M, Drum M, Reader A, Nusstein J, Beck M. Buffered Lidocaine for
Incision and Drainage: A Prospective, Randomized Double-blind Study. Journal
of Endodontics. 2013 Nov;39(11):1329–34.
16. Tanaka E, Yoshida K, Kawaai H, Yamazaki S. Lidocaine Concentration in Oral
Tissue by the Addition of Epinephrine. Anesthesia Progress. 2016 Mar
1;63(1):17–24.
17. Moura SU. Análise da Formação de Carbonato de Cálcio pela Reação do
Hidróxido de Cálcio com Diferentes Veículos Anestésicos. Pesq Bras
Odontoped Clin Integr. 2008 Nov 30;8(3):271–6.
59
18. Wisedchaisri G, Tonggu L, McCord E, Gamal El-Din TM, Wang L, Zheng N, et
al. Resting-State Structure and Gating Mechanism of a Voltage-Gated Sodium
Channel. Cell. 2019 Aug;178(4):993-1003.e12.
19. Henry MA, Hargreaves KM. Peripheral Mechanisms of Odontogenic Pain.
Dental Clinics of North America. 2007 Jan;51(1):19–44.
20. Jurcakova D, Ru F, Kollarik M, Sun H, Krajewski J, Undem BJ. Voltage-Gated
Sodium Channels Regulating Action Potential Generation in Itch-, Nociceptive-
, and Low-Threshold Mechanosensitive Cutaneous C-Fibers. Mol Pharmacol.
2018 Sep;94(3):1047–56.
21. Chavarría BD, Rodríguez WL, Pozos GAJ. Comprendiendo y combatiendo el
fracaso anestésico en odontología. Rev ADM. 2015;72(6):290–8.
22. Hernndez-Santoyo A, Yair A, Altuzar V, Vivanco-Cid H, Mendoza-Barrer C.
Protein-Protein and Protein-Ligand Docking. In: Ogawa T, editor. Protein
Engineering - Technology and Application [Internet]. InTech; 2013 [cited 2021
Jun 23]. Available from: http://www.intechopen.com/books/protein-engineering-
technology-and-application/protein-protein-and-protein-ligand-docking
23. Pagadala NS, Syed K, Tuszynski J. Software for molecular docking: a review.
Biophys Rev. 2017 Apr;9(2):91–102.
24. Pinzi L, Rastelli G. Molecular Docking: Shifting Paradigms in Drug Discovery.
IJMS. 2019 Sep 4;20(18):4331.
25. Forli S, Huey R, Pique ME, Sanner MF, Goodsell DS, Olson AJ. Computational
protein–ligand docking and virtual drug screening with the AutoDock suite. Nat
Protoc. 2016 May;11(5):905–19.
60
26. Kalyaanamoorthy S, Chen Y-PP. Structure-based drug design to augment hit
discovery. Drug Discovery Today. 2011 Sep;16(17–18):831–9.
27. Trott O, Olson AJ. AutoDock Vina: Improving the speed and accuracy of docking
with a new scoring function, efficient optimization, and multithreading. J Comput
Chem. 2009;NA-NA.
28. Pereira JC, Caffarena ER, dos Santos CN. Boosting Docking-Based Virtual
Screening with Deep Learning. J Chem Inf Model. 2016 Dec 27;56(12):2495–
506.
29. Lozano-Aponte J. ¿Qué sabe Ud. Acerca de... Dinámica Molecular? Revista
Mexicana de Ciencias Farmacéuticas. 45(1):86–8.
30. Hollingsworth SA, Dror RO. Molecular Dynamics Simulation for All. Neuron.
2018 Sep;99(6):1129–43.
31. BUEREN-CALABUIG JA. Dinámica molecular. 2014;1066360. Available from:
URL https://doi. org/10.5281/zenodo
32. Kim S, Thiessen PA, Bolton EE, Chen J, Fu G, Gindulyte A, et al. PubChem
Substance and Compound databases. Nucleic Acids Res. 2016 Jan
4;44(D1):D1202–13.
33. Contreras-Puentes N, Mercado-Camargo J, Alvíz-Amador A. In silico study of
ginsenoside analogues as possible BACE1 inhibitors involved in Alzheimer’s
disease. F1000Res. 2019 Jul 23;8:1169.
34. Wang C, Jiang Y, Ma J, Wu H, Wacker D, Katritch V, et al. Structural Basis for
Molecular Recognition at Serotonin Receptors. Science. 2013 May
3;340(6132):610–4.
61
35. Waterhouse A, Bertoni M, Bienert S, Studer G, Tauriello G, Gumienny R, et al.
SWISS-MODEL: homology modelling of protein structures and complexes.
Nucleic Acids Research. 2018 Jul 2;46(W1):W296–303.
36. Pettersen EF, Goddard TD, Huang CC, Couch GS, Greenblatt DM, Meng EC,
et al. UCSF Chimera?A visualization system for exploratory research and
analysis. J Comput Chem. 2004 Oct;25(13):1605–12.
37. Morris GM, Huey R, Lindstrom W, Sanner MF, Belew RK, Goodsell DS, et al.
AutoDock4 and AutoDockTools4: Automated docking with selective receptor
flexibility. J Comput Chem. 2009 Dec;30(16):2785–91.
38. Jendele L, Krivak R, Skoda P, Novotny M, Hoksza D. PrankWeb: a web server
for ligand binding site prediction and visualization. Nucleic Acids Research.
2019 Jul 2;47(W1):W345–9.
39. Tian W, Chen C, Lei X, Zhao J, Liang J. CASTp 3.0: computed atlas of surface
topography of proteins. Nucleic Acids Research. 2018 Jul 2;46(W1):W363–7.
40. Hussein HA, Borrel A, Geneix C, Petitjean M, Regad L, Camproux A-C.
PockDrug-Server: a new web server for predicting pocket druggability on holo
and apo proteins. Nucleic Acids Res. 2015 Jul 1;43(W1):W436–42.
41. Schrödinger, LLC. The PyMOL Molecular Graphics System. 2019.
42. Dassault Systèmes BIOVIA. Discovery Studio Visualizer. 2016.
43. Laskowski RA, Swindells MB. LigPlot+: Multiple Ligand–Protein Interaction
Diagrams for Drug Discovery. J Chem Inf Model. 2011 Oct 24;51(10):2778–86.
44. Case DA, Cheatham TE, Darden T, Gohlke H, Luo R, Merz KM, et al. The
Amber biomolecular simulation programs. J Comput Chem. 2005
Dec;26(16):1668–88.
62
45. Alviz-Amador A, Galindo-Murillo R, Pérez-González H, Rodríguez-Cavallo E,
Vivas-Reyes R, Méndez-Cuadro D. Effect of 4-HNE Modification on ZU5-ANK
Domain and the Formation of Their Complex with β-Spectrin: A Molecular
Dynamics Simulation Study. J Chem Inf Model. 2020 Feb 24;60(2):805–20.
46. Roe DR, Cheatham TE. PTRAJ and CPPTRAJ: Software for Processing and
Analysis of Molecular Dynamics Trajectory Data. J Chem Theory Comput. 2013
Jul 9;9(7):3084–95.
47. Daina A, Michielin O, Zoete V. SwissADME: a free web tool to evaluate
pharmacokinetics, drug-likeness and medicinal chemistry friendliness of small
molecules. Sci Rep. 2017 May;7(1):42717.
48. Yang H, Lou C, Sun L, Li J, Cai Y, Wang Z, et al. admetSAR 2.0: web-service
for prediction and optimization of chemical ADMET properties. Wren J, editor.
Bioinformatics. 2019 Mar 15;35(6):1067–9.
49. Lagunin A, Zakharov A, Filimonov D, Poroikov V. QSAR Modelling of Rat Acute
Toxicity on the Basis of PASS Prediction. Mol Inf. 2011 Mar 14;30(2–3):241–
50.
50. Johnson M, Zaretskaya I, Raytselis Y, Merezhuk Y, McGinnis S, Madden TL.
NCBI BLAST: a better web interface. Nucleic Acids Research. 2008 May
19;36(Web Server):W5–9.
51. Bordogna A, Pandini A, Bonati L. Predicting the accuracy of protein-ligand
docking on homology models. J Comput Chem. 2011 Jan 15;32(1):81–98.
52. Mak K-K, Pichika MR. Artificial intelligence in drug development: present status
and future prospects. Drug Discovery Today. 2019 Mar;24(3):773–80.
63
53. Payandeh J, Scheuer T, Zheng N, Catterall WA. The crystal structure of a
voltage-gated sodium channel. Nature. 2011 Jul;475(7356):353–8.
54. Buyan A, Sun D, Corry B. Protonation state of inhibitors determines interaction
sites within voltage-gated sodium channels. Proc Natl Acad Sci USA. 2018 Apr
3;115(14):E3135–44.
55. Deng N, Dai W, Levy RM. How Kinetics within the Unfolded State Affects
Protein Folding: An Analysis Based on Markov State Models and an Ultra-Long
MD Trajectory. J Phys Chem B. 2013 Oct 24;117(42):12787–99.
56. Garcia AE, Onuchic JN. Folding a protein in a computer: An atomic description
of the folding/unfolding of protein A. Proceedings of the National Academy of
Sciences. 2003 Nov 25;100(24):13898–903.
57. Sargsyan K, Grauffel C, Lim C. How Molecular Size Impacts RMSD
Applications in Molecular Dynamics Simulations. J Chem Theory Comput. 2017
Apr 11;13(4):1518–24.
58. Dong Y, Liao M, Meng X, Somero GN. Structural flexibility and protein
adaptation to temperature: Molecular dynamics analysis of malate
dehydrogenases of marine molluscs. Proc Natl Acad Sci USA. 2018 Feb
6;115(6):1274–9.
59. Durham E, Dorr B, Woetzel N, Staritzbichler R, Meiler J. Solvent accessible
surface area approximations for rapid and accurate protein structure prediction.
J Mol Model. 2009 Sep;15(9):1093–108.
60. Junaid Md, Alam MdJ, Hossain MdK, Halim MA, Ullah MO. Molecular docking
and dynamics of Nickel-Schiff base complexes for inhibiting β-lactamase of
Mycobacterium tuberculosis. In Silico Pharmacol. 2018 Dec;6(1):6.
64
61. Lobanov MYu, Bogatyreva NS, Galzitskaya OV. Radius of gyration as an
indicator of protein structure compactness. Mol Biol. 2008 Aug;42(4):623–8.
62. Lipinski CA, Lombardo F, Dominy BW, Feeney PJ. Experimental and
computational approaches to estimate solubility and permeability in drug
discovery and development settings. Advanced Drug Delivery Reviews. 1997
Jan;23(1–3):3–25.
63. Kuroda Y, Ogawa M, Nasu H, Terashima M, Kasahara M, Kiyama Y, et al.
Locations of local anesthetic dibucaine in model membranes and the interaction
between dibucaine and a Na+ channel inactivation gate peptide as studied by
2H- and 1H-NMR spectroscopies. Biophysical Journal. 1996 Sep;71(3):1191–
207.
65
10. ANEXOS
• Resultados asociación anestésicos locales-canales de sodio.
• Resultados búsqueda predictiva de bolsillos de unión.
• Resultados acoplamiento molecular del cribado virtual.
• Resultados predicción propiedades ADME y toxicidad.
• Carta de aceptación ponencia SLOC2-181.
• Envío de artículo- Journal of Biomolecular Structure and Dynamics.
Recommended